Thèse soutenue

Fuite liquide au travers d'un contact rugueux : application à l'étanchéité interne d'appareils de robinetterie

FR  |  
EN
Auteur / Autrice : Christophe Vallet
Direction : Jean-Rodolphe PuiggaliDidier Lasseux
Type : Thèse de doctorat
Discipline(s) : Mécanique
Date : Soutenance en 2008
Etablissement(s) : Paris, ENSAM

Mots clés

FR

Mots clés contrôlés

Résumé

FR  |  
EN

Dans les appareils de robinetterie équipant les centrales nucléaires, l'étanchéité interne est réalisée par le contact direct entre surfaces métalliques. Dans ce contexte, ce travail porte sur l'étude de fuites liquides au travers d'un contact entre deux surfaces rugueuses serrées l'une contre l'autre. Deux approches sont menées en parallèle : l'une théorique/numérique, l'autre expérimentale. Les modèles mis en place permettent de prédire les fuites à partir des textures non déformées des surfaces en contact et en fonction du serrage appliqué. Les déformations des surfaces sont tout d'abord calculées à l'aide d'un modèle semi-analytique élasto-plastique parfait. L'écoulement liquide est ensuite résolu au travers du champ d'ouverture résultant. Des modèles pour caractériser et simuler les textures rugueuses ont également été développés à partir d'une approche fractale, permettant ainsi de prédire les fuites à partir d'outils purement numériques, sans avoir recours à la mesure d'états de surfaces. Grâce à ces modèles, une corrélation a pu être établie entre les textures des surfaces et les performances du contact vis-à-vis de l'étanchéité. Pour tester les modèles mis en place, des mesures de débits de fuite au travers de contact rugueux ont de plus été effectuées. La confrontation directe entre essais et simulation a montré que les modèles surestiment les débits de fuite, en particulier à fort serrage. Une étude détaillée de la chaîne de prédiction a permis de montrer que les écarts proviennent principalement du modèle de déformation. Une modélisation prenant en compte le caractère hétérogène du matériau semble une piste intéressante pour améliorer les prédictions.